SV-WAM：用于端到端自动驾驶的高效环视世界-动作模型
SV-WAM 提出了一种基于 action-centered causal mask 的环视世界-动作模型，通过训练时联合去噪未来视频与动作、推理时仅保留动作分支，实现了在保持六路相机全景感知优势的同时，显著降低推理延迟并提升 NAVSIMv2 规划性能。
Wan2.2-TI2V-5B
BrainWAM：为什么自动驾驶的语义与预测不该在原始 token 里硬融合
BrainWAM 提出一种受脑功能特化启发的动作空间协调框架，将 VLA 语义推理与 WAM 预测世界建模转化为两条独立动作通路，通过 CAB 和 CIF 在紧凑动作表示层面协调，避免原始 token 融合中的注意力分配失衡。
DreamX-Phi 1.0：让视频世界模型真正理解机械臂的刚体动作
DreamX-Phi 1.0 是一个基于 Wan2.2-TI2V-5B 的动作条件视频世界模型，通过 PRoPE 几何注意力、深度监督和对象一致性约束，在给定单帧观测和双手动作轨迹时预测未来视频，并在 WorldArena 2.0 上取得 Track 1 第一、Track 2 并列第二。